Skip to main content

Fusion umfelderfassender Sensoren

  • Chapter
  • First Online:
  • 51k Accesses

Part of the book series: ATZ/MTZ-Fachbuch ((ATZMTZ))

Zusammenfassung

Es existieren Fahrerassistenzsysteme, die ausschließlich auf Einzelsensorlösungen aufbauen. Als Beispiel lassen sich die Anwendungen Adaptive Cruise Control, die z. B. mit einem Radar- oder einem Lasersensor arbeitet, und Lane Departure Warning nennen, welche zumeist auf Videosensorik basiert.

Wie in den vorherigen Kapiteln beschrieben, haben die jeweiligen Sensortechnologien spezifische Vor- und Nachteile: So lässt sich mit einem Radarsensor der longitudinale Abstand und die Geschwindigkeit eines vorausfahrenden Fahrzeugs für die Anwendung Adaptive Cruise Control mit ausreichender Genauigkeit bestimmen (siehe Kapitel 17). Die Auswahl des relevanten Objekts zum Abstandhalten lässt sich allerdings aufgrund der lateralen Auflösung, Mehrdeutigkeiten in der Signalsauswertung und einer fehlenden Fahrbahnmarkierungserkennung nur so präzise durchführen, dass Nebenspurstörungen beim Betrieb des Systems in Kauf genommen werden müssen. Zudem ist eine Klassifikation des detektierten Objekts nur eingeschränkt möglich, sodass üblicherweise in die Regelung nur Objekte einbezogen werden, bei welchen eine Bewegung erkannt wurde.

This is a preview of subscription content, log in via an institution.

Buying options

Chapter
USD   29.95
Price excludes VAT (USA)
  • Available as PDF
  • Read on any device
  • Instant download
  • Own it forever
eBook
USD   99.00
Price excludes VAT (USA)
  • Available as EPUB and PDF
  • Read on any device
  • Instant download
  • Own it forever

Tax calculation will be finalised at checkout

Purchases are for personal use only

Learn about institutional subscriptions

Literatur

  1. Darms, M.: Eine Basis‐Systemarchitektur zur Sensordatenfusion von Umfeldsensoren für Fahrerassistenzsysteme Fortschrittberichte VDI: Reihe 12, Bd. 653. (2007). Dissertation

    Google Scholar 

  2. Holt, V.v.: Integrale multisensorielle Fahrumgebungserfassung nach dem 4D‐Ansatz. Diss. Univ. der Bundeswehr, München 2004 (Online Publikation), URL: urn:nbn:de:bvb:706–1072, 2005

    Google Scholar 

  3. Stüker, D.: Heterogene Sensordatenfusion zur robusten Objektverfolgung im automobilen Straßenverkehr. Diss. Univ. Oldenburg, (Online Publikation), URL: http://deposit.d‐nb.de/cgi‐bin/dokserv?idn=972494464, 2004

    Google Scholar 

  4. Becker, J.-C.: Fusion der Daten der objekterkennenden Sensoren eines autonomen Straßenfahrzeugs. VDI‐Verl., Düsseldorf (2002)

    Google Scholar 

  5. Bender, E., et al.: Antikollisionssystem PRORETA – Teil 1: Grundlagen des Systems. ATZ 4, 337–341 (2007)

    Google Scholar 

  6. Schopper, M., Henle, L., Wohland, T.: Intelligent Drive Vernetzte Intelligenz für mehr Sicherheit. ATZExtra (5), 106–114 (2013). Springer Automotive Media

    Article  Google Scholar 

  7. Steinberg, A., Bowman, C., White, F.: Revisions to the JDL Data Fusion Model. 3rd NATO/IRIS Conference, Quebec City (1998)

    Google Scholar 

  8. Klein, L.A.: Sensor and data fusion concepts and applications, 2. Aufl. Bd. 35. SPIE, Bellingham, Wash (1999)

    Google Scholar 

  9. Dietmayer, K., Kirchner, A., Kämpchen, N.: Fusionsarchitekturen zur Umfeldwahrnehmung für Zukünftige Fahrerassistenzsysteme. In: Mauerer, M. (Hrsg.) Fahrerassistenzsysteme mit maschineller Wahrnehmung, S. 59–87. Springer, New York (2005)

    Chapter  Google Scholar 

  10. Lou, R.C., Kay, M.K.: Multisensor Integration and Fusion in Intelligent Systems. In: Autonomous Mobile Robots, Bd. 1, IEEE Computer Society Press, Los Alamitos (1991)

    Google Scholar 

  11. Joerg, K.-W.: Echtzeitfähige Multisensorintegration für autonome Mobile Roboter. BI‐Wiss.‐Verl., Mannheim, etc. (1994)

    Google Scholar 

  12. Bar‐Shalom, Y.; Li, X.‐R.: Multitargetmultisensor tracking – principles and techniques. [Storrs, Conn.]: YBS, 1995

    Google Scholar 

  13. Hall, D.L.: Handbook of multisensor data fusion. CRC Press, Boca Raton (2001). The electrical engineering applied signal processing series URL: http://www.electricalengineeringnetbase.com/ejournals/books/book_km.asp?id=49, 2001

    Google Scholar 

  14. Klaus, F.: Einführung in Techniken und Methoden der Multisensor‐Datenfusion. Habil.‐Schr. Univ. Siegen, Online‐Publikation, URL: urn:nbn:de:hbz: S. 467–575, 2004

    Google Scholar 

  15. Hall, D.L., McMullen, S.A.: Mathematical techniques in multisensor data fusion, 2. Aufl. Artech House, Boston (2004)

    MATH  Google Scholar 

  16. Streller, D.: Multi‐Hypothesen‐Ansatz zur Erkennung und Verfolgung von Objekten in Verkehrsszenen mit Laserscannern. VDI‐Verl., Düsseldorf (2006)

    Google Scholar 

  17. Kämpchen, N.; Dietmayer, K.: Data synchronization strategies for multi‐sensor fusion. In: 10th World Congress on Intelligent Transport Systems. Band Proceedings of ITS 2003 Madrid, Spain, September 2003

    Google Scholar 

  18. Hall, D.; Llinas, J.: An introduction to multisensor data fusion. Proceedings of the IEEE, 85 Nr. 1, S. 6–23, 1997

    Google Scholar 

  19. Darms, M.; Rybski, P.; Urmson, C.: Vehicle Detection and Tracking for the Urban Challenge, AAET 2008, 9th Symposium, 13./14. Februar 2008 Braunschweig, 2008

    Google Scholar 

  20. Bar-Shalom, Y., Li, X.-R., Kirubarajan, T.: Estimation with applications to tracking and navigation – theory, algorithms and software. Wiley, New York, NY (2001)

    Book  Google Scholar 

  21. Hänsler, E.: Statistische Signale: Grundlagen und Anwendungen, 2. Aufl. Springer, Berlin [u. a.] (1997)

    Book  MATH  Google Scholar 

  22. Lunze, J.: Regelungstechnik Mehrgrößensysteme, digitale Regelung, Bd. 2. Springer, Berlin [u. a.] (2006)

    MATH  Google Scholar 

  23. Föllinger, O.: Regelungstechnik – Einführung in die Methoden und ihre Anwendung, 6. Aufl. Hüthig Buch Verlag, Heidelberg (1990)

    Google Scholar 

  24. Mayr, R.: Regelungsstrategien für die automatische Fahrzeugführung: Längs‐ und Querregelung, Spurwechsel‐ und Überholmanöver. Springer, Tokio (2001)

    Book  Google Scholar 

  25. Starke, G.: Effektive Software‐Architekturen – Ein praktischer Leitfaden, 2. Aufl. Hanser, Wien (2005)

    Google Scholar 

  26. Vogel, O.: Software‐Architektur – Grundlagen – Konzepte – Praxis, 1. Aufl. Elsevier, Spektrum, Akad. Verl., München [u. a.] (2005)

    MATH  Google Scholar 

  27. Robinson, G.; Aboutalib, A.: Trade‐off analysis of multisensor fusion levels. Proceedings of the 2nd National Symposium on Sensors and Sensor Fusion, Nr. 2, S. 21–34, 1990

    Google Scholar 

  28. Narbe, B., et al.: Datennetzkonzepte für die Sensordatenfusion – Teil 1. Elektronik Automotive 4, 54–59 (2003)

    Google Scholar 

  29. Narbe, B., et al.: Datennetzkonzepte für die Sensordatenfusion – Teil 2. Elektronik Automotive 5, 40–44 (2003)

    Google Scholar 

  30. Mauthener, M., et al.: Out‐of‐Sequence Measurements Treatment in Sensor Fusion Applications: Buffering versus Advances Algorithms. In: Stiller, C., Maurer, M. (Hrsg.) 4. Workshop Fahrerassistenzsysteme, FAS2006, S. 20–30. fmrt, Karlsruhe (2006)

    Google Scholar 

  31. Bar‐Shalom, Y.: Update with out‐of‐sequence measurements in tracking: exact solution. Aerospace and Electronic Systems, IEEE Transactions on, 2002 Nr. 3, S. 769–777, 2002

    Google Scholar 

Download references

Author information

Authors and Affiliations

Authors

Editor information

Editors and Affiliations

Rights and permissions

Reprints and permissions

Copyright information

© 2015 Springer Fachmedien Wiesbaden

About this chapter

Cite this chapter

Darms, M. (2015). Fusion umfelderfassender Sensoren. In: Winner, H., Hakuli, S., Lotz, F., Singer, C. (eds) Handbuch Fahrerassistenzsysteme. ATZ/MTZ-Fachbuch. Springer Vieweg, Wiesbaden. https://doi.org/10.1007/978-3-658-05734-3_24

Download citation

Publish with us

Policies and ethics